随着卷烟企业的发展环境、卷烟生产工艺规范的变化,使卷烟生产工艺智能化、高效化和精确化已经是迫在眉睫的研究课题。烘丝过程是目前卷烟工艺过程中的最后一道工序,也可以说是最重要的一道工序,它主要通过工艺管理调整烘丝机物料的温湿度、物料干燥以及生产过程中的物料累计等烘丝机设备参数来控制出口成品叶丝的含水率,从而来直接影响成品烟丝的品质。因此如何在烘丝过程中控制烘丝机的出口水分达到比较理想的效果成为了共同关注的焦点。由于烘丝机的干燥处理过程实现的是一个包含了化学、物理等多学科的相互耦合,并且其干燥工艺参数之间的关系存在维数多、关系复杂的特点,因此采用传统的统计方法对叶丝含水率与工艺参数进行建模的精度低,导致工艺参数设置的不可靠。为此,为了找出一种可靠高效的水分控制方法,本论文提出了一种基于机器学习算法和深度学习算法的工艺参数控制方法,具体研究内容及主要结论如下:1.对烘丝机叶丝干燥过程的原理进行分析,研究烘丝过程中的气流干燥winnover蒸汽阀门开度、气流干燥winnover蒸汽体积流量、蒸汽流量、气流干燥工艺气体温度等工艺参数的相互影响,同时根据卷烟工艺标准,将叶丝出料含水率离散化成4个不同的类别来分别代表成品烟丝的4个不同品质。分析结果表明:烘丝机工艺参数存在维数多、自相关、多干扰、强耦合等特点,并且品质好的叶丝它的工艺参数的波动是比较小的。2.针对数据清洗过程和工艺参数的数据特征分析,结合集成算法和LSTM(长短记忆神经网络)算法建立一种控制烘丝机出口水分的模型。本文在搜索工艺参数的最优值时借鉴了概率的有关思想,即认为概率最大的样本是最符合生产工艺标准的。3.通过H卷烟厂的数据,验证本文提出的方法在烘丝机工艺参数较多的情况下,可以找到工艺参数的最优值,这些值会最大概率的使得烘丝机的出口水分达到一个最优的区间。该方法改善了目前卷烟生产中的烘丝机工艺参数的设置,为提高烟丝品质提供了一种新的途径,为提高卷烟企业的核心竞争力提供了有利的保障。